表情识别

摘要： 目的:本研究以不同性质的视频作为启动材料,考察暴力视频对大学生面部表情识别和记忆倾向是否有差异。研究方法:本实验采用三因素混合实验设计。自变量为视频类型(暴力视频、自然纪录片)、表情图片(正性、中性、负性)、性别(男生,女生),因变量为被试的正确率、反应时和再认率。被试随机分为两组,分别观看暴力视频和自然纪录片,并完成面部表情识别任务。结果:在正确率上:① 表情主效应显著,p 0.01,被试对负性表情识别的正确率高于中性和正性表情。② 视频类型的主效应显著,p 0.01,暴力视频组正确率显著低于纪录片组,二者交互作用不显著。在反应时上:① 视频的主效应边缘显著,p = 0.06,暴力视频组的反应时边缘显著地短于纪录片组。② 表情的主效应显著,p 0.001,负性表情的反应时显著短于正性和中性表情,中性表情的反应时显著短于正性表情。③ 视频与表情的交互作用显著,p 0.001,在正性表情条件下,暴力视频组的反应时显著长于自然纪录片组;在负性表情条件下,暴力视频组的反应时显著短于纪录片组;在中性表情条件下,两组没有显著差异。④ 表情与性别的交互作用显著,p 0.001,在中性表情上,女生的反应时显著长于男生;在正性和负性表情上,女生的反应时显著短于男生。⑤ 性别与视频的交互作用显著,p 0.05,男生在暴力视频组的反应时显著短于纪录片组,女生在两组的反应时没有显著差异。在图片再认实验中,视频类型与表情图片类型交互作用显著。暴力视频组被试对负性表情图片的再认率显著高于正性表情图片。纪录片组被试对负性表情图片和正性表情图片的再认率没有显著差异。结论:暴力视频影响大学生面部表情识别和记忆倾向。在暴力视频的影响下,被试更容易识别和记忆负性面部表情,同时抑制对正性面部表情的识别。与女生相比,男生更容易受到暴力视频的影响。

摘要： 针对当前卷积神经网络(CNN)利用端层特征进行面部表情识别存在模型结构繁琐、训练参数过多、识别不够理想的问题,提出一种基于改进CNN与支持向量机(SVM)相结合的优化算法。首先,利用连续卷积的思想设计网络模型,以获取更多非线性激活;然后,采用自适应全局平均池化(GAP)层取代传统CNN中的全连接层,以减少网络参数量;最后,用SVM分类器代替传统Softmax函数实现表情识别,以提高模型泛化能力。实验结果表明,所提算法在Fer2013和CK+数据集上分别取得了73.4%和98.06%的识别准确率,与传统LeNet-5算法相比,在Fer2013数据集上提升了2.2个百分点,且该网络模型结构简单、参数量较少,具有良好的鲁棒性。

摘要： 针对深度学习中的卷积神经网络存在对人脸表情特征提取不充分的问题,文中提出一种改进的VGG16网络模型,以更充分地提取人脸表情特征,从而更好地进行人脸表情识别。首先,在VGG16网络的每个卷积层前加入一个GCT通道注意力,用于增强人脸表情的特征提取;然后,将VGG16网络中相同通道数的卷积层分为一个Block,在每个Block后使用迭代式的特征融合,将浅层网络提取的特征与深层网络提取的特征进行融合,以丰富对人脸表情特征的提取。另外,去掉VGG16网络的3个全连接层,改为一个全连接层直接输出分类结果,不仅可以减少参数量还能够保证识别精度。实验结果表明,改进后的VGG网络在人脸表情数据集RAF-DB和SFEW上的识别率分别达到87.842%和56.881%,较原网络有显著提升。

摘要： 人脸面部表情是人机交互和非言语交际的有效方式,对面部表情进行识别并分析,可以获取很多信息,在安全监控、人工智能、军警、心理学等领域有着许多不同的应用。本研究基于深度学习对人脸表情识别进行深入研究,采用Open CV内置算法进行人脸检测,利用卷积神经网络进行面部表情识别,实现对人脸最基本的7种表情包括愤怒、厌恶、恐惧、快乐、悲伤、惊讶和中立分别进行识别。与传统的人脸表情识别方法相比较,卷积神经网络的识别精度高,训练参数少,在面部表情特征表现明显的情况下,对7种表情的识别精度都能超过70%以上。

摘要： 视频人脸表情识别在无人驾驶、智慧医疗等多领域都有广泛应用。针对视频单帧特征提取存在信息损失的问题,提出单帧增强卷积网络,该网络采用浅层特征与深层特征融合实现特征增强,其中浅层特征为CNN中间层外延卷积模块实现浅层特征提取,深层特征为CNN网络最后一层融合空洞卷积和基于通道间注意力机制,实现特征通道重定位和强弱信息结合。又由于视频相邻帧存在相关性,提出多帧增强卷积网络,其采用帧间注意力机制,根据视频帧之间的相关性给视频帧打分从而得到视频的关键帧,继而实现多帧特征增强。最后对设计的模型在AFEW数据集、CK+数据集、SFEW数据集、FER数据集上进行验证,其中AFEW数据集上对视频表情识别的准确率从40.00%提升到45.19%,F1分数从0.31提升到0.3937。该网络模型不仅能应用于静态图像,而且能应用于动态视频,同时也能提高表情识别准确率,降低误差,从而提升识别效率。

摘要： 近年来机器学习和深度学习在机器视觉方面已取得了很大进展,表情识别已然成为其中的热门领域。表情识别的应用使得计算机可以更好的理解人类情绪,具有较高的研究价值和应用前景。本文归纳了表情识别领域常用公开数据集;介绍了表情识别的基本流程与常见方法,以及不同卷积神经网络在表情识别方面的方法研究与分析;针对表情识别领域现存问题和未来发展进行了分析总结。

摘要： 针对虚拟现实驾培系统人机交互不足、不能很好地替代教练员的作用的问题,提出将基于迁移学习的表情识别算法嵌入驾培系统,使系统可以根据学员的情绪状态智能调整培训程序、提供个性化学习方案。首先,对人脸表情训练数据集做了归一化处理和数据增强处理,引入ReLU激活函数,利用ImageNet数据集在改进型的EfficientNet上进行预训练,使网络具有良好的特征提取能力;然后将预训练得到的网络模型进行微调,获得最终识别模型。通过Fer2013数据集和CK+数据集实验验证,改进后的EfficientNet鲁棒性更好,可以满足虚拟现实驾培系统对学员面部表情的实时识别需求。

摘要： 基于4WD树莓派车载平台,利用手机终端远程操控车载平台,调节树莓派摄像头进行信息采集,通过Django框架搭建的网页将采集信息以视频流形式进行网页远程访问,并结合Haar特征分析级联分类器人脸检测方式和背景去除算法对视频流中出现的人脸表情进行动态识别,最终对该对象表情进行识别,以对其健康情况进行评估。用于解决疫情防控中,公共场所人工检测速度慢、识别存在感染风险人群精准度差的问题。通过实验证明,该系统可以稳定运行。车载树莓派健康评估系统,可用于购物广场等公共场合,快速检测存在感染风险的人群,以提高公共场合通行率,并达到疫情防控的目的。

摘要： 为进一步提高人脸表情识别的准确率,提出一种融合全局与局部特征的深度卷积神经网络算法(GL-DCNN)。该算法由两个改进的卷积神经网络分支组成,全局分支和局部分支,分别用于提取全局特征和局部特征,对两个分支的特征进行加权融合,使用融合后的特征进行分类。首先,提取全局特征,全局分支基于迁移学习,使用改进的VGG19网络模型进行特征提取;其次,提取局部特征,局部分支采用中心对称局部二值模式(CSLBP)算法进行第一次特征提取,得到原始图像的局部纹理信息,将其输入到浅层卷积神经网络进行第二次特征提取,使其自动提取出与表情相关的局部特征;再次,采用两个级联的全连接层对两个分支的特征进行降维,为其分配不同权重,进行加权融合;最后,采用softmax分类器进行分类。实验在CK+和JAFFE数据集上进行验证,分类精度分别达95%以上和93%以上,对比其他五种算法,该算法总体表现较好,具有较好的识别效果和良好的鲁棒性,可为人脸表情识别提供有效依据。

摘要： 为实现表情准确且快速的识别,提出一种自适应重加权池化深度多任务学习(DMTL)的表情识别。设计孪生神经网络,通过自适应重加权模块动态调整缩放概率参数,得到具有不同置信度的类别标签信息。改进自适应池化方法,根据样本及训练过程变化情况选取合适参数,提高特征提取的灵活性。结合类别标签信息和样本局部空间分布信息,利用改进型判别式DMTL进行人脸表情识别。基于CK+、MMI和FER2013数据集对所提方法进行实验论证,实验结果表明,其识别率在3个数据集上的识别率分别是95.2%、84.1%和73.6%,执行时间为0.082 s,均优于其它对比方法。

摘要： 表情识别主要涉及人脸定位、表情特征提取、表情分类等工作,而从图像中提取有效的表情特征是提高表情识别率的关键.对此,本文提出一种基于边缘二进制码的表情识别方法.该方法首先对图像进行边缘检测,然后对边缘的局部结构进行二进制码描述作为表情特征,最后利用支持向量机(SVM)进行表情分类.在JAFFE人脸表情数据库上,分别用该方法和传统的方法进行试验,结果表明,该方法可显著提高识别率.

摘要： 本文针对于动态灰度图像序列的人脸表情库,提出基于多种表情特征分类的人脸表情识别算法.根据动态图像序列的特点,提出2种提取人脸表情特征的方法:一种方法是在选取的人脸特征点上提取角度差特征;另一种方法是利用Lucas-Kanade光流法提取整个图像序列的光流场,并根据光流场提取脸部特定区域的散度均值.最后,利用弱尺度学习算法将提取的2种表情特征进行融合,利用支持向量机进行分类.与单个表情特征相比,该方法利用人脸表情特征相互配合进行表情识别,取得较好的表情识别率.

摘要： 本文提出一种基于图像关键块空间分布与Gabor滤波的人脸表情识别算法，该算法在传统的基于Gabor滤波的表情识别的基础上,增加表情图像的关键块空间分布信息,提高表情识别的准确率.首先,使用5个尺度8个方向的Gabor滤波器组对表情图像进行滤波,提取表情图像的Gabor特征;然后,使用人脸表情训练样本通过向量量化方法训练指定长度的码书,利用码书将训练样本图像编码成索引矩阵,获取表情图像的索引分布;最后,将图像编码获得的索引矩阵与Gabor特征共同作为表情图像的特征,用于表情识别.实验结果表明:本算法的识别效果比单独使用Gabor特征的表情识别要好.

摘要： 表情是情绪的外部表现，可以通过表情识别来研究人脑对情绪的认知加工过程。表情识别是“呈现一判别”研究范式的一种，其本质是向被试呈现经过不同处理的表情图片，然后测被试的各种认知指标。当代心理学的进步主要体现为研究方法的进步。所以本文从方法学角度分析日前表情识别研究状况，为该领域心理学者提供有价值的参考信息是十分必要的。以方法为中心，将表情识别的研究方法分为对呈现刺激材料的处理、收集数据工具的选择和使用、被试的选择三部分。并分别简要回顾了近十年来这三个方面的进展。

摘要： 表情识别是情感计算研究的热点问题之一。本文对局部(嘴部、眼部)Gabor小波特征在表情识别中的重要性进行了研究。提取预处理后的全脸和局部(嘴部、眼部)静态灰度表情图像的Gabor小波特征，再分别用3种方法(PCA，2DPCA，LDA)降维，根据Gabor不同尺度不同方向的变换结果用最近邻法进行分类，得到全脸和局部Gabor小波特征的对比识别结果。实验结果表明，在每种方法中仅用嘴部Gabor小波特征得到的表情识别效果仅次于全脸表情。嘴部的Gabor小波特征对表情识别有重要的作用，且在西方人的情感表达中更为重要。

摘要： 该文提出一种结合均值主元分析和线性判别进行特征选择的人脸表情识别方法.首先对训练样本做均值主元分析,然后再做线性判别,构造特征子空间,最后用支持向量机的方法进行分类.在美国耶鲁大学人脸表情库上分别进行了测试人不参与训练仿真实验,并与其他方法进行比较,该文提出的方法取得了更好的识别结果.

摘要： 人脸表情识别是目前比较活跃的研究课题。本文提出一种采用遗传算法进化的支持向量机对人脸表情进行分类的新型算法。先通过均值主元分析法(EPCA)提取静态人脸表情特征，然后采用遗传算法自动选择最优的支持向量机核函数，最后采用这种新型分类器进行了人脸七种表情的分类和识别。在Yale face人脸表情库上分别进行了测试人不参与训练的仿真实验，并与其他特征提取方法进行比较，本文提出的方法取得了更好的识别结果。

摘要： 为了提高特征提取环节对表情识别率的影响，文中采用活动外观模型(AAM)提取整体形变信息，对眉毛及眼睛区域采用Gabor小波变换提取纹理信息，对嘴巴区域采用模板匹配法获取嘴部纹理信息，然后对提取的各个特征采用离散的隐马尔科夫模型得出6种表情概率，在识别阶段根据每个特征对6种表情的贡献权值分别进行特征加权融合，最后选择最大概率的表情作为表情识别结果。通过对10位女性6种表情图像进行训练实验，该方法有着良好的识别率。

摘要： 目的：提出一种基于猕猴面部图像特征的计算机自动定位方法。方法：针对猕猴面部图像的特点建立其在HSI颜色空间中的肤色模型,然后根据各分量的阈值对图像进行分割,分割后的结果再经过数学形态学的腐蚀与膨胀处理得到猕猴面部较为完整的区域。结果：基于面部器官位置的相对比例关系,实现了对猕猴眼睛、嘴巴等特征部位的自动定位,并且使用边缘提取算子获取了特征部位的细节轮廓。结论：本文的算法经过了猕猴面部图像的测试,能准确的自动定位猕猴面部并找到眼部与嘴部区域,其结果可以为进一步的表情识别提供依据。

摘要： 世间万物皆有精神情感,建筑空间也不例外.建筑空间同样也有表情，有的给人以温馨、有的给人以恐怖、有的给人以轻松、有的给人以威严，通过对其情感表情的识别，可以判断出它的使用功能和类别。但凡出自一个成熟设计师之手的作品，一个创意，一件饰品的摆放都该有它的文化内涵和出处，也就是说要高度浓缩其地方的精神风貌，突出其地方的风土人情。综上所述，说明建筑在不同的时代和不同的属性，应有不同的精神情感。当人们对建筑的需要已经不仅仅是遮风避雨，而是让建筑融入人们的生活情感中，对建筑情感的理解和装饰设计的表现，也就上升到一种实用的、审美的高度。普通的使用者也能对办公、餐饮、商业、休闲娱乐等不同的空间，提出一些他们自己的见解和建议，再结合设计师多年的从业经验，和对于艺术感觉的不断追求与提升，到处都能见到非常优秀的建筑空间。

摘要： 本申请提供了一种表情识别方法、表情识别模型训练方法及装置，其中，该方法包括：将待识别图像进行处理，以获取人脸图像；将人脸图像中的各个像素点使用四元数进行表示，形成人脸四元矩阵，其中，四元数中的每一虚数的权重表示对应的一颜色分量的值；将人脸四元矩阵作为目标神经网络模型的输入，对待识别图像进行识别，以得到待识别图像中的人脸的表情。

摘要： 本申请公开了一种人脸表情识别方法，包括：从原始图像中检测出人脸；对检测的人脸进行人脸对齐和特征点定位；从人脸图像中提取出面部特征信息；根据获取的特征数据，进行表情分类，实现人脸表情识别。本申请通过人脸检测、特征点定位、特征提取，表情分类从而进行人脸表情进行最大可能性的预测，保证了表情识别的准确性，具有广泛的应用前景。

摘要： 本申请实施例提供了一种表情识别方法、表情识别装置、电子设备及存储介质，属于人工智能技术领域。该方法包括：获取目标人脸图像；通过预设的表情识别模型的编码网络对目标人脸图像进行多尺度编码处理，得到目标人脸特征向量；通过表情识别模型的解码网络对目标人脸特征向量进行多尺度解码处理，得到目标表情特征向量；对目标人脸特征向量和目标表情特征向量进行特征融合，得到融合图像特征向量；通过预设的分类函数对融合图像特征向量进行分类概率计算，得到分类概率值；根据分类概率值对预设表情类别标签进行筛选处理，得到目标人脸图像对应的目标表情类别标签。本申请实施例能够提高表情识别的准确性。

摘要： 本发明公开了一种保护隐私的表情识别模型训练方法及表情识别方法及装置，包括：通过高分辨率图像和相对应的表情标签、隐私标签对高分辨率编码器进行优化训练，从而得到具备从高分辨率图片中分解出表情特征和隐私特征的能力的高分辨率编码器，并且分解出的表情特征不携带隐私信息。利用高分辨率编码器分解出的表情特征和低分辨率图片对低分辨率编码器进行训练，这样得到的低分辨率编码器从低分辨率图像中分解出的低分辨率特征只包含表情特征且不携带隐私信息；最后将低分辨率编码器输出的低分辨率特征作为第二训练样本对所述低分辨率表情识别器进行训练。由此，通过训练后的表情识别模型在实现了表情识别的同时，也保障了用户的隐私安全。

摘要： 本发明公开了一种训练跨域人脸表情识别模型、人脸表情识别的方法及系统，其中训练方法包括：首先构建人脸全局‑局部特征图，利用源域的表情标签及特征图对特征提取器及分类器进行预训练；基于源域和目标域的图像及源域表情标签利用预设目标函数约束，将预训练好的特征提取器与判别器进行对抗式迁移学习，预训练好的分类器自适应微调，得到进行训练好的特征提取器、分类器及判别器；将训练好的特征提取器、分类器、判别器及人特征图组成跨域人脸表情识别模型，该方法将图传播机制与对抗学习相集成，实现跨领域人脸表情识别的整体特征与局部特征的相适应，利用对抗式领域自适应图表征以及人脸特征全局‑局部图提高跨场景人脸表情识别准确率。

摘要： 本发明涉及图像处理技术领域，提供一种人脸表情识别方法及装置，所述方法包括：对待识别的图像进行人脸检测，获得人脸检测图像；对所述人脸检测图像进行预处理，获得预处理后的人脸检测图像；将预处理后的人脸检测图像输入至已训练的表情识别神经网络，以由所述表情识别神经网络输出所述人脸检测图像中人脸的表情类别；其中，所述表情识别神经网络为生成性对抗网络。本发明提供的技术方案，能够对人脸表情进行更加高效、准确地识别。

摘要： 本发明提供了一种获取表情识别模型的方法及装置、表情识别方法及装置、存储介质及电子装置，其中，获取表情识别模型的方法包括：获取多组第一训练数据，其中，所述多组第一训练数据中的每组数据包括：图像、与图像对应的人脸以及与人脸对应的表情；基于人脸识别模型构造表情识别初始模型；使用所述多组第一训练数据通过深度学习对所述表情识别初始模型进行训练，以得到表情识别模型。通过本发明，解决了相关技术中存在的由于表情识别模型导致的人脸表情识别准确率低，泛化性差，稳定性差的问题，提高了人脸表情识别的准确率和泛化能力，达到了识别结果的稳定性强的效果。

摘要： 本申请提供了一种表情识别方法、表情识别模型训练方法及装置，其中，该方法包括：将待识别图像进行处理，以获取人脸图像；将人脸图像中的各个像素点使用四元数进行表示，形成人脸四元矩阵，其中，四元数中的每一虚数的权重表示对应的一颜色分量的值；将人脸四元矩阵作为目标神经网络模型的输入，对待识别图像进行识别，以得到待识别图像中的人脸的表情。

摘要： 本申请公开了一种人脸表情识别方法，包括：从原始图像中检测出人脸；对检测的人脸进行人脸对齐和特征点定位；从人脸图像中提取出面部特征信息；根据获取的特征数据，进行表情分类，实现人脸表情识别。本申请通过人脸检测、特征点定位、特征提取，表情分类从而进行人脸表情进行最大可能性的预测，保证了表情识别的准确性，具有广泛的应用前景。

摘要： 本发明适用于信息处理领域，提供了一种人脸表情识别方法及人脸表情识别装置，包括：构建并训练基于卷积神经网络的情绪识别模型；将待识别的人脸图像输入所述情绪识别模型，以输出所述人脸图像的情绪类别，所述情绪类别包括正面情绪、负面情绪以及中立情绪中的一种；获取与所情绪类别对应的表情识别模型；将人脸图像输入所述表情识别模型，以输出所述人脸图像的表情类别。本发明通过分层次的方式来对人脸的表情进行识别，根据不同的情绪来选择不同的表情识别模型，减少了每个识别模型所需要记忆的内容，降低了整个表情识别过程的运算复杂度，提高了运算效率。相比于传统的人脸表情识别方法，在本发明中，人脸表情的识别准确率以及识别效率更高。